Flow matching

最近完整七日的证据

来源提及

4

前七日 0

不同来源

1

前期 0

可比较增长

不可比较

榜单记录

0

采集观测与无发布日期的记录，和有日期的原文提及分别统计。 七日观测：0 · 无日期记录：0

每日趋势 · 最多 90 天

柱形表示有日期的来源提及。最新 UTC 日可能尚未结束。零提及和缺少采集覆盖是不同情况。

来源证据

当前展示证据的来源：HF Daily Papers 4

1. HF Daily Papers · 原文发布 2026年11月4日

   From Pixels to Actions - Towards Native Vision-Language-Action Policies

   Vision-language-action models are typically built on a simple premise: perception is first compressed by visual encoders, and action reasoning begins only afterwards. Yet manipulation often hinges on precisely the visual signals most vulnerable to this abstraction, e.g., local geometry, boundaries, depth, and subtle state changes. This raises a fundamental q

2. HF Daily Papers · 原文发布 2026年11月4日

   VA-TDM: A Unified View for Improving Few-Step Diffusion Models by Velocity Adversarial Distillation

   Few-step distillation offers efficient generation with diffusion and flow models, but preserving quality with only a few sampling steps remains challenging. Distribution-matching methods via score distillation provide a strong foundation, yet they rely on accurately tracking the student's changing distribution. At intermediate generation steps in few-step sa

3. HF Daily Papers · 原文发布 2026年11月3日

   Koopman Generative Operators for Efficient Probabilistic Time-Series Forecasting

   Probabilistic time-series forecasting requires models that simultaneously capture structured temporal dynamics, expressive uncertainty, and efficient inference, yet existing approaches fall short of this goal: latent dynamical models impose structure but rely on restrictive generation mechanisms, while modern generative methods such as diffusion and flow mat

4. HF Daily Papers · 原文发布 2026年11月3日

   SphereFlow: Missing Modality Imputation via Geometric Transport on Hypersphere

   Missing modality imputation aims to synthesize unobserved modalities from observed ones. Existing methods treat each modality as living on its own latent manifold, forcing the generator to learn a long, unstructured jump between them. We present SphereFlow, which takes a fundamentally different view: by projecting all modalities into a shared hyperspherical

研究优先级 51 / 100

此分数用于排列研究候选，不是搜索量、预测结果或经过验证的商业需求。

• 证据数量

  18.6 / 30

  去重文章或首次观测；重复抓取不加分。

• 发布主体多样性

  8 / 25

  同主体保守归并，转载不增加独立证据。

• 可比变化

  0 / 20

  仅完整且可比的两周参与；零基线不计算百分比。

• 证据时效

  15 / 15

  依据最新发布或首次观测，不按重复采集时间刷新。

• 名称明确度

  9.7 / 10

  明确实体链接和技术概念优先于含义不明的缩写。

局限与解读

• 首次观测是采集记录的起点，不能证明词语或产品在全球首次出现。
• 计数仅代表已监测的公开来源，不代表全网热度或搜索需求。
• 本站首次发现时间不等于名称或概念的诞生时间。
• 候选来自公开标题、摘要和实体链接，并非已核实的全文分析。
• 来源多样性采用保守归并；未披露的转载或共同所有权仍可能无法识别。
• 重复上榜是观测记录，不是新增文章或独立背书。
• 已有概念或常见产品名，仅保留为历史基线，不视为新创造的词。
• 两周均需足够且可比较的采集覆盖，才判断增长。
• 该词的来源构成发生变化，或缺少可比较的基线。
• 前一周样本过少，不展示容易误导的增长百分比。
• 当前证据仅来自一个发布主体。